Pengembangan Model Segmentasi Citra untuk Autonomous Wheelchair Menggunakan Teknik Knowledge Distillation di Embedded System
Tahun 2026 · Penulis: Fadil Satrio Mulyo
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/14107
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Pengembangan Model Segmentasi Citra untuk Autonomous Wheelchair Menggunakan Teknik Knowledge Distillation di Embedded System
Model segmentasi kinerja tinggi untuk kursi roda otonom, seperti ResunetFormer, menghadapi tantangan penting dalam penyebaran real-time pada sistem yang tertanam karena kompleksitas komputasi tinggi dan konsumsi memori berlebihan. Penelitian ini bertujuan untuk mengembangkan model segmentasi gambar yang efisien dengan menerapkan Penghentian Pengetahuan (KD) untuk memindahkan pengetahuan dari model guru yang kompleks ke model siswa yang ringan. Menggunakan pendekatan kuantitatif eksperimental, ResunetFormer berfungsi sebagai model guru, sementara BiSeNetV2 dan Fast-SCNN dipilih sebagai model mahasiswa. Metodologi yang diintegrasikan piksel bijaksana dan pasangan-bijaksana penyulingan kehilangan untuk mengoptimalkan kinerja pada dataset terdiri dari 1.500 gambar koridor. Model-model dikerahkan dan dievaluasi pada Jetson NVIDIA Orin NX berdasarkan mIOU, frame per detik (FPS), dan penggunaan memori. Hasil menunjukkan bahwa BiSeNetV2 dengan KD mencapai kinerja siswa terbaik dengan mIOU 84.55% dan kecepatan inferensi 35.24 FPS. Model ini secara signifikan mengurangi penggunaan memori menjadi 1,5 GB dibandingkan dengan 5.1 GB. Sementara itu, Fast-SCNN dengan KD mencapai 46,4 FPS dengan mIOU 82,61%. Secara keseluruhan, aplikasi dari KD meningkatkan mIoU siswa dengan 1,08% ke 2% tanpa meningkatkan jumlah parameter. Kesimpulannya, Pengetahuan Distitasi efektif menghasilkan akurasi tinggi, model ringan yang cocok untuk penyebaran real-time pada kursi roda otonom, berhasil mengatasi keterbatasan arsitektur skala besar.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,820
Tahun 2026 · Penulis: Alejandra Rehagel
Optimasi Model Machine Learning Klasik Menggunakan Post-Training Quantization untuk Intrusion Detection System pada Mikrokontroler ESP32 (ESP-EYE) dengan Dataset RT-IoT2022
Perkembangan Internet of Things (IoT) meningkatkan kebutuhan terhadap sistem deteksi intrusi yang mampu bekerja secara efisien pada perangkat dengan sumber daya terbatas, seperti mikrokontroler ESP32. Penelitian ini bertujuan untuk menganalisis pengaruh Post-T
- Cosine 0,794
Tahun 2026 · Penulis: Nur Bayyinah
Pengembangan Metode Interpolasi Temporal Berbasis Deep Learning untuk Akuisisi Data Neutron Computed Tomography
Neutron Computed Tomografi adalah teknik pencitraan non-destruktif dengan sensitivitas tinggi terhadap elemen cahaya tertanam dalam bahan padat. Namun, penerapannya dibatasi oleh waktu akuisisi yang lama disebabkan oleh fluks neutron rendah, yang memerlukan se
- Cosine 0,793
Tahun 2026 · Penulis: Hasyim Ashari Abdul Mukti
Optimasi Hyperparameter Bayesian pada Model BiLSTM untuk Prediksi Time-Series Workload: Studi Kasus Proactive Auto-scaler Kubernetes
Kubernetes auto-scaling melalui Horizontal Pod Autoscaler (HPA) bergantung pada mekanisme reaktif yang memantau metrik real-time seperti penggunaan CPU dan memori. Namun, pendekatan reaktif ini sering menyebabkan gangguan layanan dan ketidakstabilan sistem kar